无人机任务规划系统研究及发展
《2024年无人机航迹规划与导航的方法研究及实现》范文
《无人机航迹规划与导航的方法研究及实现》篇一摘要：随着无人机技术的迅猛发展，其应用领域越来越广泛，对航迹规划和导航系统的要求也越来越高。
本文深入研究了无人机航迹规划与导航的关键技术，并通过理论分析、算法优化及实际实现等方式，验证了所提方法的有效性和可行性。
一、引言无人机（Unmanned Aerial Vehicle，UAV）作为一种新型的空中平台，在军事侦察、环境监测、农业植保等领域发挥着越来越重要的作用。
航迹规划和导航系统作为无人机的核心组成部分，其性能直接决定了无人机的任务执行能力和安全性。
因此，对无人机航迹规划与导航的方法进行深入研究具有重要的理论意义和实际应用价值。
二、无人机航迹规划方法研究1. 航迹规划概述航迹规划是指在给定任务目标和约束条件下，为无人机规划出一条最优或近优的飞行路径。
该过程需要考虑地形、气象、飞行时间等多种因素。
2. 传统航迹规划方法传统的航迹规划方法主要包括基于规则的方法和基于优化的方法。
基于规则的方法通过预设的规则集来指导无人机的飞行决策，而基于优化的方法则通过建立数学模型并利用优化算法求解最优路径。
3. 智能航迹规划方法随着人工智能技术的发展，基于智能算法的航迹规划方法逐渐成为研究热点。
如基于遗传算法、神经网络、强化学习等方法的航迹规划，能够根据实时环境信息动态调整飞行路径，提高无人机的适应性和任务执行能力。
三、无人机导航方法研究1. 导航系统概述无人机导航系统主要依靠惯性测量单元（IMU）、全球定位系统（GPS）等传感器设备来实现定位和导航。
2. 传统导航方法传统导航方法主要包括基于GPS的导航和基于地形跟随的导航等。
这些方法在特定环境下具有良好的性能，但在复杂环境或无GPS信号覆盖的地区则可能失效。
3. 智能导航方法智能导航方法通过融合多种传感器信息和人工智能技术，实现更精确的定位和导航。
如基于视觉导航的方法可以利用摄像头等视觉传感器实现无人机的自主导航；基于多传感器融合的方法则可以综合利用多种传感器信息，提高导航的准确性和鲁棒性。
无人机任务规划与调度技术研究
无人机任务规划与调度技术研究随着无人机技术的不断发展，无人机在社会生活和军事领域中的应用越来越广泛。
然而，如何高效地组织和调度多个无人机执行不同的任务仍然是一个巨大的难题。
因此，无人机任务规划与调度技术的研究成为当前的热点之一。
一、无人机任务规划无人机任务规划是指在事先确定的目标和条件下，使用规划算法确定每个无人机的轨迹、飞行速度、载荷、飞行高度等因素，使得他们能够顺利完成各自的任务。
这是无人机的核心问题，任务规划的好坏直接影响无人机的执行效率和安全性。
在任务规划过程中，需要考虑到众多因素，如飞行时间、需求的优先级、飞行器的特性等。
因此，任务规划可以基于不同的实际情况，采用不同的算法，诸如传统规划算法、深度学习、遗传算法、蚁群算法、模拟退火等等。
二、无人机调度无人机调度是指在多个无人机执行不同任务时，通过相应的调度算法，将它们合理地安排在时间和空间上，使得任务的执行效率最大化。
调度技术在无人机系统中起着至关重要的作用，它能够协调多个无人机的行动，消除时间、资源等方面的冲突，保证任务的顺利执行。
调度算法也有多种不同的型号和方法，包括基于优先级的调度算法、贪心算法、基于模型预测控制的调度算法和基于博弈论的调度算法。
然而，由于无人机调度问题在实践中往往是一个决策问题，这就需要考虑到不同应用问题的特殊性，制定出适用的调度方法。
三、案例分析在实际中，无人机任务规划和调度技术被广泛应用于诸多领域，如物流运输、灾害救援、军事行动等。
在物流运输中，无人机的任务包括采购、装车、配送等多个环节，任务规划和调度技术的应用可以提高物流运输效率和成本效益。
在灾害救援中，无人机的任务包括救援点探访、人员和救援物资运输、损伤评估等任务，采用无人机的任务规划和调度技术可以更高效、快速地进行救援行动。
在军事行动中，无人机的任务包括侦查、侦察、打击等。
无人机任务规划和调度技术可以保证无人机行动路线安全、机动灵活性较强，并支持在战场上实时调整任务规划和调度。
无人机协同任务规划研究
无人机协同任务规划研究随着无人机技术的不断发展，无人机的普及已经成为不可避免的趋势。
无人机作为新型空中机器人，在灾害救援、勘察测量、农业、物流等领域都有着广泛的应用。
无人机协同任务规划是无人机应用领域中的一个重要议题，也是应用无人机所需解决的问题之一。
本文将从无人机协同任务规划算法、任务规划的特点和需求以及应用场景等几个方面进行讨论。
无人机协同任务规划算法协同无人机任务规划是为多架无人机分配任务，让它们在特定的约束条件下完成目标任务。
其主要目的是提高整个系统的任务完成效率和协同配合能力，减少任务完成的时间和成本。
传统协同任务规划的方法有多种，如：区域划分法、模糊控制法、分布式算法、集成算法等。
区域划分法将任务区域按照一定的规则分成多个区域，每个无人机负责一个区域的任务，通过区域间的通讯和交互协同完成任务。
这种方法适用于无人机散乱分布的区域，但由于区域划分精度及划分方案的缺陷会导致任务分配不均，而容易出现浪费或任务无法完成的情况。
模糊控制法重在将模糊逻辑和控制工程技术有机地结合，有效地解决了无人机协同任务规划中的模糊信息处理问题。
但是，由于模糊规则的确定及极限区域的处理较为复杂，需要消耗大量的计算能力和算法时间，且难以满足分布式计算的需求。
分布式算法具有简单灵活、高效、抵抗干扰等优点。
它将整体控制分成局部控制，将任务分配和规划过程集成到局部控制中。
但由于任务分配过程需要大量的通讯交互，难以保证实时性。
集成算法是将多种算法进行整合，组成更加强大、稳健的实用系统。
这种方法将模糊控制法、分布式算法、区域划分法等多种算法进行集成，实现较为灵敏和高效。
任务规划的特点和需求无人机协同任务规划不同于单一无人机的任务规划。
首先，无人机协同任务规划的任务目标更为复杂，需要协同完成，而且协同完成的时间和完成效率直接影响到整个任务的完成情况。
其次，无人机有着自主飞行的能力，无论遇到任何困难都能够自行适应处理。
同时，无人机能够掌握其周边环境的信息和预测的能力，需要更多的情报支撑，更高的安全度。
《2024年多无人机协同任务规划技术研究》范文
《多无人机协同任务规划技术研究》篇一一、引言随着科技的不断发展，无人机（Unmanned Aerial Vehicle，UAV）已经逐渐成为现代化战争和民用领域中的重要力量。
在复杂多变的作战环境和应用场景中，多无人机协同任务规划技术的研究与应用成为了当前的研究热点。
本文将探讨多无人机协同任务规划技术的发展现状、主要研究内容以及存在的问题和未来发展趋势。
二、多无人机协同任务规划技术发展现状多无人机协同任务规划技术是利用现代信息技术和人工智能技术，实现多架无人机在复杂环境下协同完成特定任务的技术。
近年来，随着无人机技术的不断发展，多无人机协同任务规划技术已经取得了显著的研究成果。
然而，由于应用领域的不断扩大和任务复杂度的提高，仍存在诸多问题需要进一步研究。
三、多无人机协同任务规划技术研究内容1. 任务需求分析与建模：对特定的任务需求进行深入分析，构建适合的数学模型和仿真环境，以便对多无人机协同任务规划进行模拟与实验。
2. 路径规划与协同控制：通过优化算法和人工智能技术，实现多架无人机在复杂环境下的路径规划和协同控制，保证任务的顺利完成。
3. 任务分配与决策：根据任务需求和无人机的性能参数，进行合理的任务分配和决策，确保各无人机能够充分发挥其优势，共同完成任务。
4. 通信与信息融合：研究无人机之间的通信机制和信息融合技术，以提高多无人机系统的信息共享和协同能力。
四、存在的问题与挑战尽管多无人机协同任务规划技术已经取得了显著的研究成果，但仍存在诸多问题和挑战。
首先，由于环境复杂多变，如何实现高效、准确的路径规划和协同控制是一个难题。
其次，在任务分配和决策过程中，如何充分考虑各无人机的性能参数和优势，以及如何应对突发情况，也是一个需要深入研究的问题。
此外，无人机的通信机制和信息融合技术仍有待进一步优化，以提高系统的信息共享和协同能力。
五、未来发展趋势针对多无人机协同任务规划技术，未来将有以下几个发展趋势：1. 智能化发展：随着人工智能技术的不断发展，多无人机协同任务规划将更加依赖智能算法和机器学习技术，实现更高效、更准确的路径规划和协同控制。
无人机航线规划技术的研究与改进
无人机航线规划技术的研究与改进无人机（Unmanned Aerial Vehicle，UAV）是近年来迅速发展起来的一项新兴技术。
无人机的使用范围广泛，包括农业作业、物流配送、城市检测和监测、灾害救援等诸多领域。
然而，无人机的飞行过程需要依赖航线规划技术的支持，以确保安全、高效的飞行。
无人机航线规划技术的研究与改进是提高无人机飞行效果的关键。
航线规划的目标是在充分考虑无人机飞行安全的前提下，寻找一条最优的路径，使无人机能够按照所设定的任务完成飞行。
以下是对无人机航线规划技术的研究与改进的一些方向和方法：首先，考虑无人机航线规划时需要考虑的因素有很多，比如地形、地貌、天气条件、人口密度和限制区域等。
为了更好地规划无人机航线，可以利用遥感技术获取地形和地貌数据，结合天气预报预测无人机飞行期间的天气条件。
使用人口密度数据和限制区域的信息，可以制定相应的规划策略，避免无人机在飞行过程中遇到不必要的风险。
其次，考虑航线规划中的多目标优化问题。
无人机的航线规划往往涉及到多个目标，如最短飞行时间、最短路径、最大任务覆盖等。
这些目标之间可能存在冲突，需要运用多目标优化算法来求解。
比如常用的遗传算法、粒子群算法和模拟退火算法等，可以帮助寻找到权衡各个目标的最优解，并且提高航线规划的效果。
第三，航线规划应该考虑到无人机的能源消耗。
无人机的续航能力是飞行的重要指标之一，因此在规划航线时需要考虑如何最大化无人机的续航时间。
这涉及到航线中是否存在长时间的爬升、滑翔或者飞行时间较长的区域。
通过合理的航线规划和能源管理策略，可以降低无人机的能源消耗，提高飞行效率。
第四，航线规划中的冲突检测和避免是十分重要的。
在无人机飞行的过程中，可能会出现与其他无人机或者飞行器的冲突。
因此，航线规划需要充分考虑冲突检测和避免的方法。
利用机载雷达、摄像头和其他传感器技术，可以实时监测飞行器周围的空域，及时发现并避免潜在的冲突情况，确保无人机飞行的安全性。
《2024年多无人机协同任务规划技术研究》范文
《多无人机协同任务规划技术研究》篇一一、引言随着无人机技术的快速发展，多无人机协同任务规划技术已成为当前研究的热点。
多无人机协同任务规划技术通过综合运用通信、控制、优化等多学科知识，实现对多个无人机的协同控制和任务规划，从而提升整体作战效能和任务完成效率。
本文将对多无人机协同任务规划技术的研究进行详细探讨。
二、多无人机协同任务规划技术概述多无人机协同任务规划技术是指针对一组或多组无人机进行协同控制和任务分配的技术。
通过合理规划无人机的飞行轨迹、任务执行顺序和协同策略，实现对复杂任务的快速响应和高效完成。
该技术涉及领域广泛，包括无人机控制、通信、优化算法、人工智能等。
三、多无人机协同任务规划技术的关键问题（一）无人机控制技术无人机控制技术是实现多无人机协同任务规划的基础。
通过精确的飞行控制，保证无人机在复杂环境中的稳定性和可靠性。
同时，需要研究无人机的自主导航和决策能力，以适应不同任务的需求。
（二）通信技术通信技术是实现多无人机协同的关键。
需要研究高效、可靠的通信协议和算法，保证无人机之间的信息传输和共享，以及与地面控制中心的通信。
同时，需要考虑通信干扰和抗干扰能力，保证通信的稳定性和安全性。
（三）优化算法优化算法是实现多无人机协同任务规划的核心。
需要研究高效的优化算法，对飞行轨迹、任务执行顺序和协同策略进行优化，以实现整体效能的最优。
同时，需要考虑算法的实时性和可扩展性，以适应不同规模和复杂度的任务。
（四）人工智能技术人工智能技术为多无人机协同任务规划提供了新的思路和方法。
通过机器学习和深度学习等技术，实现对复杂环境的感知和决策，提高无人机的自主性和智能化水平。
同时，人工智能技术还可以用于优化算法的设计和实现，提高算法的效率和准确性。
四、多无人机协同任务规划技术的发展趋势（一）智能化发展随着人工智能技术的不断发展，多无人机协同任务规划将更加智能化。
通过机器学习和深度学习等技术，实现无人机的自主感知、决策和执行能力，提高整体作战效能和任务完成效率。
无人机系统中的自主飞行与任务规划研究
无人机系统中的自主飞行与任务规划研究自主飞行和任务规划是无人机系统中的两个关键方面。
无人机的自主飞行能力决定了其在各种复杂环境下的表现，而任务规划则使其能够根据特定要求和目标进行智能化的行动。
首先，自主飞行是指无人机在没有人工干预的情况下，能够自主地完成飞行任务。
这需要无人机具备感知周围环境、决策和行动的能力。
感知能力包括通过传感器获取环境信息，如距离、速度、姿态等，并将其转化为数字信号进行处理。
无人机可以通过各种传感器，如GPS、激光雷达、摄像头等来获取这些信息。
决策能力则涉及将感知到的信息与已有的知识和规则进行比较和分析，以制定合适的飞行策略和动作。
最后，无人机需要根据决策结果实施相应的行动，如调整姿态、改变飞行速度等。
这种自主飞行能力使得无人机可以在没有人工遥控的情况下完成各种任务，如搜索救援、巡逻监视等。
为了实现无人机的自主飞行，研究人员开展了许多关于自主飞行的研究。
其中一个重要的研究方向是路径规划。
路径规划是指确定无人机在给定环境中的飞行路径，使其能够有效地避开障碍物、遵守规则并到达目的地。
在大规模、复杂的环境中，路径规划变得尤为重要。
研究人员使用了各种算法和技术来解决路径规划问题，如A*算法、D*算法、遗传算法等。
这些方法根据不同的需求和限制，选择最优的路径或权衡不同的因素，如时间、能源消耗等。
任务规划是无人机系统中的另一个关键方面。
任务规划是指根据特定的任务要求和目标，将飞行任务分解为一系列子任务，并将其分配给不同的无人机。
任务规划需要考虑到无人机的能力、资源的使用效率和任务需求等因素。
通过合理规划任务，可以提高任务的完成效率和质量。
为了实现有效的任务规划，研究人员利用了人工智能和优化方法。
首先，任务规划需要考虑到无人机的特性和能力。
不同的无人机在负载能力、续航时间、速度等方面存在差异，因此需要将任务合理分配给不同的无人机。
其次，任务规划还需要考虑到资源的使用效率。
无人机系统中的资源包括时间、能源、通信等，通过合理规划任务，可以最大限度地利用这些资源。
多无人机协同任务规划研究与实现
多无人机协同任务规划研究与实现多无人机协同任务规划研究与实现导言：近年来，随着无人机技术的不断发展和应用需求的增加，无人机协同任务规划成为了研究的热门领域。
无人机的协同任务规划是指多架无人机通过有效的规划和任务分配，实现协同工作并完成特定任务的过程。
本文将探讨多无人机协同任务规划的研究进展与实现方案，并展望未来的发展方向。
一、多无人机协同任务规划的研究进展随着无人机应用场景的多样化和任务复杂性的增加，多无人机协同任务规划的重要性日益凸显。
研究者们在多个方面进行了深入探索与研究。
1. 任务分配与路径规划在多无人机协同任务中，任务分配与路径规划是最基础的环节之一。
通过合理的任务分配，可以充分利用多个无人机的能力，提高任务完成效率。
同时，路径规划的合理性与有效性直接影响到协同任务的完成能力。
研究者们提出了各种算法来解决分配问题，如贪心算法、遗传算法、蚁群算法等，并基于这些算法设计了一些路径规划策略。
2. 通信与合作多无人机之间的通信与合作是协同任务规划的关键问题之一。
通信机制的设计不仅要能够满足实时性和可靠性的要求，还要考虑到无人机之间的协作性。
研究者们发展了各种通信协议和合作机制，如基于无线网络的通信方案、通过局部信息共享的合作策略等，以实现无人机之间的信息交流和任务合作。
3. 算法与优化多无人机协同任务规划中的算法与优化问题十分关键。
研究者们通过对任务特性与约束条件建模，设计了多种算法来解决任务规划中的复杂问题。
优化算法包括整数规划、混合整数规划、线性规划等，用于对任务进行优化分配和资源利用。
二、多无人机协同任务规划的实现方案多无人机协同任务规划的实现需要综合考虑无人机平台、传感器、算法和通信等多个方面的因素。
1. 硬件平台无人机协同任务规划的实现需要选择适合的无人机硬件平台。
现有的无人机平台多样化，包括四旋翼、六旋翼、垂直起降飞机等。
根据实际需求选择合适的无人机平台，以满足任务的要求。
2. 传感器与感知无人机协同任务规划需要通过传感器获取周围环境信息以及其他无人机的状态信息。
无人机自主规划航线算法研究
无人机自主规划航线算法研究一、前言随着科技的发展，无人机技术在多个领域中被广泛应用。
无人机自主规划航线算法是其中重要的组成部分，其是实现无人机自主控制和执行复杂任务的关键。
本文就无人机自主规划航线算法进行研究探讨。
二、无人机自主规划航线算法概述无人机自主规划航线算法是指利用计算机程序实现对无人机的控制和任务规划的过程。
该过程包括无人机的路径规划、运动控制和成像等方面，其关键是通过优化算法实现更高效、稳定和精确的飞行轨迹规划和执行。
三、无人机自主规划航线算法研究进展1. 基于遗传算法的无人机轨迹规划遗传算法被广泛应用于无人机轨迹规划中，其优点在于通过模拟生物进化过程来实现路径规划，使得结果更加优化。
实验表明，该算法可以快速生成优化的轨迹规划方案，可以满足各种复杂任务及其要求，实现自主和高效的飞行控制和规划。
2. 基于深度学习的无人机定位与轨迹规划深度学习算法可以帮助无人机实现高精度的定位和轨迹规划。
该算法通过深入学习数据集来提高其泛化能力，实现更好的路径规划和飞行控制。
在实验中，该算法可以实现更加准确和高效的轨迹规划和飞行控制。
3. 非线性规划算法的应用非线性规划算法可以在保证无人机飞行安全和稳定的前提下优化其飞行轨迹。
该算法通过复杂的数学模型实现路径规划和控制，并且可以结合数据挖掘技术，进行自适应和迭代优化。
实验表明，该算法可以实现高效的无人机路径规划和控制，适用于多种场景和任务。
四、无人机自主规划航线算法的挑战与未来发展无人机自主规划航线算法仍面临许多挑战，如高精度要求、复杂任务需求和环境不确定性等。
为应对这些挑战，未来的研究可以从以下几方面展开：1. 优化算法研究：应继续研究和开发更加优化的算法，并通过数值实验验证算法的性能和可行性。
2. 数据驱动研究：应深入开发利用大数据和机器学习等技术，对无人机路径规划和控制进行数据驱动的优化。
3. 环境感知研究：应加强无人机的环境感知和处理能力，增强其智能化，进而实现更加自主和高效的飞行控制和规划。
分布式无人机系统的任务协同与路径规划研究
分布式无人机系统的任务协同与路径规划研究摘要：随着无人机技术的飞速发展，分布式无人机系统在各个领域的应用越来越广泛。
在实际应用中，无人机系统需要完成复杂的任务，并在多个无人机之间进行任务协同和路径规划。
本文主要探讨了分布式无人机系统的任务协同和路径规划的研究现状和关键技术，主要包括任务协同的方法和算法、路径规划的理论和实践，以及未来的发展趋势。
1.引言随着无人机技术的快速发展和应用需求的增加，分布式无人机系统已成为无人机领域研究的热点之一。
分布式无人机系统通过多个无人机之间的协同合作，可以完成更加复杂的任务，如搜索救援、灾害监测等。
任务协同和路径规划是分布式无人机系统中的关键问题，直接影响到系统的性能和效率。
2.任务协同的方法和算法2.1 任务分配算法任务分配算法是分布式无人机系统实现任务协同的重要手段。
目标是将任务合理地分配给各个无人机，在满足任务需求的前提下最大限度地提高任务执行的效率。
常见的任务分配算法有拍卖算法、遗传算法和局部搜索算法等。
拍卖算法通过竞拍的形式将任务分配给无人机，根据无人机的能力和成本确定最佳的任务分配结果。
遗传算法利用进化的思想，通过自然选择、交叉和变异等操作来寻找最优的任务分配方案。
局部搜索算法基于贪心法则搜索任务分配的局部最优解。
以上方法各有优劣，需要根据具体任务和系统性能需求来选择合适的算法。
2.2 信息共享与通信任务协同需要无人机之间进行信息共享与通信。
共享的信息包括任务需求、位置信息、传感器数据等。
合理的信息共享与通信机制可以提高系统的实时性和协同效果。
常见的信息共享与通信方法有基于中心节点的通信和基于多跳的分布式通信。
基于中心节点的通信方式利用一个中心节点来接收和分发信息，优点是通信简单、可靠性高。
而基于多跳的分布式通信方式则直接将信息传递给周围的无人机，无需中心节点，优点是通信开销小、可扩展性好。
因此，在任务协同中选择合适的信息共享与通信方式非常重要。
3.路径规划的理论和实践3.1 路径规划的问题描述路径规划是指在给定起点和终点的情况下，确定无人机的最优飞行路径。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
万方数据
万方数据
万方数据
万方数据
无人机任务规划系统研究及发展
作者：胡中华， 赵敏， Hu Zhonghua， Zhao Min
作者单位：南京航空航天大学自动化学院,江苏,南京,210016
刊名：
航天电子对抗
英文刊名：AEROSPACE ELECTRONIC WARFARE
年，卷(期)：2009,25(4)
被引用次数：3次
参考文献(13条)
1.朱剑佑无人机任务规划研究[期刊论文]-无线电工程 2007(12)
2.董世友.龙国庆网络环境下的基于Agent的多架无人机的任务规划系统[期刊论文]-弹箭与制导学报 2005(02)
3.Secrest BR Traveling salesman problem for surveillance mission using partieel swarm optimization 2003
4.O'Rourke KP.Bailey TG.Hill R Dynamic routing of unmanned aerial vehicles using reactive tabu search 2001(06)
5.Alighanbari M Task assignment algorithms for teams of UAVs in dynamic environments 2004
6.叶媛媛.闵春平.朱华勇基于整数规划的多UCAV任务分配问题研究[期刊论文]-信息与控制 2005(05)
7.霍霄华.陈岩.朱华勇多UCAV协同控制中的任务分配模型及算法[期刊论文]-国防科技学 2006(03)
8.李湘清.孙秀霞.王栋基于遗传算法的UCAV动态任务分配模型及研究[期刊论文]-系统仿真学报 2008(16)
9.张安.史志富.刘海燕基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配[期刊论文]-电先与控制 2009(01)
10.Mac Kenzie DC Collaborative tasking of tightly constrained multi-robot missions 2003
11.Atkinson ML Contract nets for control of distributed agents in unmanned air vehicles[AIAA-2003-6532] 2003
12.苏菲.陈岩.沈林成基于蚁群算法的无人机协同多任务分配 2008
13.龙涛.沈林成.朱华勇面向协同任务的多分布式任务分配与协调技术[期刊论文]-自动化学报 2007(07)
本文读者也读过(7条)
1.张昉无人机任务规划技术研究[学位论文]2009
2.朱剑佑.ZHU Jian-you无人机任务规划研究[期刊论文]-无线电工程2007,37(12)
3.唐金国美军任务规划系统的现状、发展和关键技术[期刊论文]-军事运筹与系统工程2003(3)
4.高雨青.王国宏.曾安里.戴伟无人机任务规划系统[会议论文]-2008
5.董世友.龙国庆攻击型无人机任务规划系统浅析[期刊论文]-机器人技术与应用2004(6)
6.高晓静.智勇.陈晓峰无人机任务规划系统体系设计[期刊论文]-计算机系统应用2009,18(10)
7.宋敏.魏瑞轩.李霞.SONG Min.WEI Rui-xuan.LI Xia多无人机任务推演系统研究[期刊论文]-计算机工程2009,35(24)
引证文献(3条)
1.李红亮.曹延杰.宋贵宝反舰导弹协同任务规划系统研究[期刊论文]-飞航导弹 2012(9)
2.姚新无人机任务规划方法研究[期刊论文]-舰船电子工程 2011(9)
3.戴定川.盛怀洁.赵域无人机任务规划系统需求分析[期刊论文]-飞航导弹 2011(3)
本文链接：/Periodical_htdzdk200904015.aspx。